新工科背景下大学物理实验课程教学改革与探索

基于新工科建设培养高素质人才的要求,结合教学现状,阐述大学物理实验课程教学改革的思路,探索培养学生创新能力和工程实践能力的途径。提出构建多层次的教学体系、优化教学内容、改革教学模式、转变教学方式、构建多元化的考核评价体系、建设复合型实验教师队伍,将价值塑造、知识传授、能力培养贯穿渗透到教学的全过程,充分调动学生学习的积极性,也为其他专业的实验课程开展教学改革提供借鉴和参考。

利用机器学习研究中低能重离子碰撞中的物理问题

中低能重离子碰撞的内禀涨落破坏了重离子碰撞的初态输入量与末态观测量的一一对应关系,从而对利用机器学习从末态观测量反推感兴趣的初态输入物理量,如碰撞参数、状态方程等提出了新的挑战。本文从微观动力学输运模型出发,分析了末态观测量相对于初态输入量产生分布的原因。理论计算表明末态观测量对于初态输入量的涨落近似满足高斯形式。通过结合贝叶斯定理和无监督的机器学习算法,可以模型无关地分类碰撞的事件以及重构碰撞参数的分布。进一步利用两种神经网络对质子、中子在同位旋非对称介质中有效质量的劈裂进行了分析,指出末态实验数据的扁平化处理能提高卷积神经网络和简单神经网络分辨质子、中子有效质量劈裂的精度。

神经元网络中局部同步引发的各种效应

在大脑皮层中,神经元大范围的同步放电可以引发癫痫,而癫痫发作期间可以自发出现螺旋波,大量神经元的同步放电与螺旋波自发产生之间的关系目前仍不清楚.本文通过增加水平长程连接构造了具有局域长程耦合区的二维神经元网络,采用Morris-Lecar神经元模型研究了具有多个长方形长程耦合区的神经元网络中波的传播,数值模拟结果表明:传播方向与长程耦合朝向平行的平面波和靶波经过长程耦合区会导致长程耦合区内的神经元同步激发,这种同步激发伴随一部分神经元延迟激发,而另一部分提前激发;当长程耦合区宽度超过临界宽度时,长程耦合区所有神经元延迟激发;当长程耦合区宽度超过最大导通宽度时,波将不能通过长程耦合区.当适当选择长方形长程耦合区的尺寸时,神经元同步激发可使网络出现波回传效应和具有波传播方向的选择性,而且这种波传播方向的选择性对神经元是否处于定态和耦合强度变化很敏感,以致高频平面波列可以部分通过宽度超过最大导通宽度的长程耦合区,因此可以通过对长程耦合区内的神经元施加微扰来控制低频波是否可以通过一定宽度的长程耦合区.对于适当选取的神经元网络结构,当平面波或靶波经过长程耦合区时,网络可自发出现自维持平面波、螺旋波和靶波等现象.本文对产生这些现象的物理机制作了分析.

全同性粒子量子效应及应用

全同性粒子分为玻色子与费米子.对满足全同性原理的波函数,讨论了其特点与统计性,分析了全同粒子在散射过程中的量子效应、交换能以及在星际演化中的应用.

基于贝叶斯神经网络方法对^(13)C(α,n)^(16)O反应数据分析

在核天体领域,^(13)C(α,n)^(16)O反应是超铁元素合成过程中非常关键的中子源反应之一,该反应截面会对s-过程和i-过程核素丰度产生十分重要的影响.迄今为止,国际上有多个团队测量该反应的数据,但在质心系能量E_(c.m.)=0.27 MeV以下的数据分歧最高达130%,导致外推存在极大的不确定性.本文基于贝叶斯神经网络方法,通过甄别数据,分别选取两类数据进行训练,系统地对^(13)C(α,n)^(16)O反应在质心系能量E_(c.m.)=0.1-6 MeV区域内的测量数据(共13个团队的测量数据总计2210实验点)进行比对分析.研究结果表明:(1)两种数据处理方式均能很好地重现测量数据,特别是共振峰信息;(2)我国锦屏深地核天体测量平台(JUNA)测量的数据具有更可靠的外推置信度.

基于改进型贝叶斯分类器预测原子核电荷半径

近年来,机器学习方法(如神经网络、高斯过程等)被广泛用于描述原子核性质.本文基于改进型贝叶斯分类器(iNBP)方法,研究原子核电荷半径R_(C).已有的理论模型给出了电荷半径的全局变化规律,通过iNBP方法,分析数据集中R_(C)的理论结果和实验值的差异,对核结构模型的计算结果进行有效的修正.通过进一步讨论iNBP方法的全局优化能力和外推能力,表明iNBP方法能够用来预测未知原子核的电荷半径.

动量相关势对直接流和椭圆流的影响

利用极端相对论量子分子动力学(UrQMD)模型,研究了两种不同强度的动量相关势对中子、质子、氢同位素和带电荷粒子等四种粒子直接流和椭圆流的影响。计算结果表明,在不可压缩系数K_(0)一定的情况下,直接流几乎不敏感于动量相关势的变化,而高动量粒子的椭圆流v2则敏感于高动量处动量相关势强度的大小及其动量依赖。考虑高动能区强度较强的Hama动量相关势后,上述四种粒子椭圆流的幅度均会增强。与ASY-EOS实验室提供的中子和带电荷粒子椭圆流数据比较后发现,较强动量相关势可以较好地再现实验数据。

机器学习确定中低能区重离子碰撞参数分布研究

重离子碰撞的碰撞参数对动力学演化过程及产物分布都有重要影响.但是由于涨落效应的存在,实验观测量的某一值所对应的碰撞参数必然存在一定的分布.目前,对于实验观测量所对应的碰撞参数分布的确定主要有三种方法,即锐截断近似(Sharp Cut-Off Approximation)方法、神经网络方法和贝叶斯估算方法.本文以改进型量子分子动力学模型(ImQMD)为数据产生器,模拟产生了20000个事件.利用所产生的数据集,对上述三种方法给出的碰撞参数分布的划分进行了讨论和分析.最后,我们提出了一种不依赖于模型的重离子碰撞中心度确定方法,即非监督型机器学习方法——K-means聚类算法确定碰撞中心度.预期该方法能够对于中低能重离子碰撞中心度的确定提供另一种思路.